base LM+GNN (WT103)
Žádný odhad
Žádné hardwareové požadavky na tento model
Hmotnosti tohoto modelu nebyly publikovány, takže jej nelze stáhnout ani spustit na vlastním hardwaru v jakékoli velikosti. Je dostupný pouze prostřednictvím svého poskytovatele a žádná grafická karta to nezmění..
Záznam.
Plná specifikace
Všechno zaznamenané k tomuto modelu. Většina z toho popisuje, jak byl trénován, nikoli jak běží — užitečný kontext pro posouzení, kolik práce do něj bylo vloženo, a jak se srovnává s modely postavenými na jinou škálu.
Původ
Kdo vybudoval tento model, kde a kdy byl publikován.
- Organizace
- Shannon.AI,Nanjing University,Nanyang Technological University,Zhejiang University (ZJU)
- Typ organizace
- Industry,Academia,Academia,Academia
- Země
- China, Singapore
- Publikováno
- 17 October 2021
- Autoři
- Yuxian Meng, Shi Zong, Xiaoya Li, Xiaofei Sun, Tianwei Zhang, Fei Wu, Jiwei Li
Co to dělá
Problémové oblasti, pro které byl model vyvinut. Model může obsahovat několik z každého.
- Doména
- Language
- Úkol
- Language modeling
- Základní model
- Transformer (Adaptive Input Embeddings) WT103
Velikost
Jak velký je model a na kolik dat byl vytrénován. Parametry jsou číslo, které rozhoduje o tom, zda se vejde na danou grafickou kartu.
- Parametry
- 247M
- Tréninková data
- 103,000,000 tokens
Dostupnost
Zda můžete získat model a spustit ho na svém vlastním hardwaru, což rozhoduje o tom, zda se na tuto stránku vztahují jakákoliv čísla grafických karet.
- Váhy
- Closed — provider access only
- Přístup k modelu
- Unreleased
- Tréninkový kód
- Open source
MIT: https://github.com/ShannonAI/GNN-LM
Jak je klasifikováno
Labely, které se na zdrojovém datovém souboru používají při sledování významných modelů, a jak moc si je jistý touto položkou.
- Záznam důvěry
- Confident
- Citace
- 46
- Benchmarková data
- base LM+GNN
Zdroje
Odkud tento záznam pochází a kdy byl naposled zkontrolován.
- Odkaz
- GNN-LM: Language Modeling based on Global Contexts via GNN
- Naposledy aktualizováno
- 25 May 2026
Co čísla znamenají
Odkud to přišlo
base LM+GNN (WT103) was published by Shannon.AI,Nanjing University,Nanyang Technological University,Zhejiang University (ZJU), in China, in October 2021. It comes out of industry,Academia,Academia,Academia.
It works in Language, and is recorded as doing language modeling.
Its starting point was Transformer (Adaptive Input Embeddings) WT103 — most models at this scale are adapted from an existing base rather than built from nothing.
Because the weights are not available, none of the hardware figures elsewhere on this site apply to it.
Co bylo zapotřebí k jeho vybudování
The training set ran to roughly 103,000,000 tokens.
Odpovědi
base LM+GNN (WT103) — Časté dotazy
When was base LM+GNN (WT103) released?
base LM+GNN (WT103) was published in October 2021. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is base LM+GNN (WT103) used for?
base LM+GNN (WT103) works in Language, and is recorded as handling language modeling. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
What GPU do I need to run base LM+GNN (WT103)?
None. base LM+GNN (WT103) is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is base LM+GNN (WT103) open source?
No. base LM+GNN (WT103) has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does base LM+GNN (WT103) have?
base LM+GNN (WT103) has 247M parameters. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Who created base LM+GNN (WT103)?
base LM+GNN (WT103) was published by Shannon.AI,Nanjing University,Nanyang Technological University,Zhejiang University (ZJU), based in China, categorised as industry,Academia,Academia,Academia.
Druhý směr
Když se na to podíváte z druhé strany?
Tato stránka začíná modelem. Pokud již vlastníte kartu a chcete vědět, co vše bude schopna spustit, Začněte raději od hardwaru.